Искусственная иммунная система

В искусственный интеллект, искусственные иммунные системы (AIS) - это класс вычислительно интеллектуальных, основанных на правилах систем машинного обучения, вдохновленных принципами и процессами позвоночных иммунная система. Алгоритмы обычно моделируются на основе характеристик иммунной системы обучения и памяти для использования в решении проблем.

• 1 Определение
• 2 История
• 3 Методы
• 4 См. Также
• 5 Примечания
• 6 Ссылки
• 7 Внешние ссылки

Область искусственных иммунных систем (AIS) занимается абстрагированием структура и функция иммунной системы к вычислительным системам и исследование применения этих систем для решения вычислительных задач математики, инженерии и информационных технологий. AIS - это подполе Биологически вдохновленные вычисления и Естественные вычисления, с интересами Машинное обучение и принадлежащими к более широкой области Искусственного Интеллект.

Искусственные иммунные системы (ИИС) - это адаптивные системы, основанные на теоретической иммунологии и наблюдаемых иммунных функциях, принципах и моделях, которые применяются для решения проблем.

ИИС отличается от компьютерной иммунологии и теоретическая биология, которые связаны с моделированием иммунологии с использованием вычислительных и математических моделей для лучшего понимания иммунной системы, хотя такие модели положили начало области AIS и продолжают обеспечивать благодатную почву для вдохновения. Наконец, область AIS не связана с исследованием иммунной системы как основы для вычислений, в отличие от других областей, таких как ДНК-вычисления.

AIS возникла в середине 1980-х годов с статьи об иммунных сетях, написанные Фармером, Паккардом и Перельсоном (1986) и Берсини и Варела (1990). Однако только в середине 1990-х годов АИС стала самостоятельной отраслью. Форрест и др. (по отрицательному отбору ) и Kephart et al. опубликовали свои первые статьи об AIS в 1994 году, а Дасгупта провел обширные исследования алгоритмов отрицательного отбора. Хант и Кук начали работу над моделями иммунной сети в 1995 году; Тиммис и Нил продолжили эту работу и внесли некоторые улучшения. Работа Де Кастро и фон Зубена, Никосии и Кутелло (о клональной селекции ) стала заметной в 2002 году. Первая книга по искусственным иммунным системам была отредактирована Дасгуптой в 1999 году.

В настоящее время появляются новые идеи. вдоль линий AIS, таких как и алгоритмы, вдохновленные врожденной иммунной системой, также изучаются. Хотя некоторые считают, что эти новые идеи еще не предлагают никаких действительно «новых» абстрактных, помимо существующих алгоритмов AIS. Это, однако, горячо обсуждается, и эти дебаты являются одной из основных движущих сил развития АИС на данный момент. Другие недавние разработки включают исследование вырожденности в моделях AIS, что мотивировано его предполагаемой ролью в открытом обучении и эволюции.

Первоначально AIS ставила своей целью найти эффективные абстракции процессов, обнаруженных в иммунная система, но в последнее время она проявляет интерес к моделированию биологических процессов и применению иммунных алгоритмов к проблемам биоинформатики.

В 2008 году Дасгупта и Нино опубликовали учебник, в котором представлен сборник новейших работ, связанных с методами, основанными на иммунитете, и описан широкий спектр приложений.

Общие методы основаны на конкретных иммунологических теориях, которые объясняют функции и поведение млекопитающих адаптивной иммунной системы.

• Алгоритм клонального отбора : класс алгоритмов, вдохновленных теорией приобретенного иммунитета клональной селекцией, объясняющей, как B- и T лимфоциты улучшают свой ответ на антигены с течением времени, называемый созревание аффинности. Эти алгоритмы фокусируются на дарвиновских атрибутах теории, где отбор основан на аффинности взаимодействий антиген-антитело, воспроизводство зависит от деления клеток, а вариации на основе соматическая гипермутация. Алгоритмы клонального отбора чаще всего применяются к доменам оптимизации и распознавания образов, некоторые из которых напоминают параллельное восхождение на холм и генетический алгоритм без оператор рекомбинации.

• : Вдохновленный процессами позитивного и негативного отбора, которые происходят во время созревания Т-клеток в тимусе, называемого толерантностью к Т-клеткам. Отрицательный отбор относится к идентификации и удалению (апоптоз ) самореагирующих клеток, то есть Т-клеток, которые могут отбирать и атаковать собственные ткани. Этот класс алгоритмов обычно используется для классификации и проблемных областей распознавания образов, где проблемное пространство моделируется в дополнение к имеющимся знаниям. Например, в случае домена обнаружение аномалии алгоритм подготавливает набор образцов детекторов шаблонов, обученных нормальным (неаномальным) шаблонам, которые моделируют и обнаруживают невидимые или аномальные шаблоны.

• : вдохновленные алгоритмами по теории, предложенной Нильсом Кай Джерном, которая описывает регуляцию иммунной системы с помощью антиидиотипических антител (антител, которые выбирают другие антитела). Этот класс алгоритмов фокусируется на задействованных структурах сетевого графа, в которых антитела (или клетки, продуцирующие антитела) представляют узлы, а алгоритм обучения включает в себя рост или сокращение границ между узлами на основе аффинности (сходства в пространстве представления проблем). Алгоритмы иммунной сети использовались в областях кластеризации, визуализации данных, управления и оптимизации, а также совместно использовали свойства с искусственными нейронными сетями.

• : Алгоритм дендритных клеток (DCA) является примером алгоритма, вдохновленного иммунитетом, разработанного с использованием многомасштабный подход. Этот алгоритм основан на абстрактной модели дендритных клеток (DC). DCA абстрагируется и реализуется посредством процесса изучения и моделирования различных аспектов функции DC, от молекулярных сетей, присутствующих в клетке, до поведения, демонстрируемого популяцией клеток в целом. В DCA информация гранулируется на разных уровнях, что достигается за счет многомасштабной обработки.

• Биологические вычисления
• Вычислительная иммунология
• Вычислительный интеллект
• Эволюционные вычисления
• Иммунокомпьютинг
• Естественные вычисления
• Интеллект роя
• Система классификаторов обучения
• Машинное обучение на основе правил

Вильялобос-Ариас М., Коэлло CAC, Эрнандес-Лерма О. (2004) Анализ сходимости алгоритма многоцелевой искусственной иммунной системы. В: Никосия Г., Кутелло В., Бентли П.Дж., Тиммис Дж. (Ред.) Искусственные иммунные системы. ICARIS 2004. Lecture Notes in Computer Science, vol 3239. Springer, Berlin, Heidelberg DOI https://doi.org/10.1007/978-3-540-30220-9_19

• JD Фармер, Н. Паккард и А. Перельсон, (1986) «Иммунная система, адаптация и машинное обучение », Physica D, vol. 2, стр. 187–204
• H. Берсини, Ф.Дж. Варела, Советы по адаптивному решению проблем, почерпнутые из иммунных сетей. Параллельное решение задач с натуры, Первый семинар PPSW 1, Дортмунд, ФРГ, октябрь 1990 г.
• Д. Дасгупта (редактор), Искусственные иммунные системы и их применение, Springer-Verlag, Inc., Берлин, январь 1999 г., ISBN 3-540-64390-7
• V. Кутелло и Дж. Никосия (2002) «Иммунологический подход к задачам комбинаторной оптимизации » Лекционные заметки по информатике, Springer vol. 2527, с. 361–370.
• Л. Н. де Кастро и Ф. Дж. Фон Зубен, (1999) «Искусственные иммунные системы: Часть I - Базовая теория и приложения», Школа вычислительной техники и электротехники, Государственный университет Кампинаса, Бразилия, № DCA-RT 01/99.
• С. Гарретт (2005) "Как мы оцениваем искусственные иммунные системы?" Эволюционные вычисления, т. 13, нет. 2. С. 145–178. http://mitpress.mit.edu/journals/pdf/EVCO_13_2_145_0.pdf
• В. Кутелло, Дж. Никосия, М. Павоне, Дж. Тиммис (2007) Иммунный алгоритм для предсказания структуры белка на решетчатых моделях, Транзакции IEEE по эволюционным вычислениям, т. 11, вып. 1. С. 101–117. https://web.archive.org/web/20120208130715/http://www.dmi.unict.it/nicosia/papers/journals/Nicosia-IEEE-TEVC07.pdf
• Вильялобос-Ариас М., Coello CAC, Hernández-Lerma O. (2004) Анализ сходимости алгоритма многоцелевой искусственной иммунной системы. В: Никосия Г., Кутелло В., Бентли П.Дж., Тиммис Дж. (Ред.) Искусственные иммунные системы. ICARIS 2004. Конспект лекций по информатике, том 3239. Springer, Berlin, Heidelberg. DOI https://doi.org/10.1007/978-3-540-30220-9_19

• AISWeb: Интернет-сайт искусственных иммунных систем Информация об AIS в целом и ссылки доступ к различным ресурсам, включая серии конференций ICARIS, код, обучающие материалы и описания алгоритмов.
• ARTIST: Сеть для систем искусственного иммунитета Предоставляет информацию о британской сети AIS, ARTIST. Он обеспечивает техническую и финансовую поддержку AIS в Великобритании и за ее пределами и направлен на продвижение проектов AIS.
• Computer Immune Systems Группа при Университете Нью-Мексико, возглавляемая Стефани Форрест.
• AIS: Искусственный Иммунные системы Группа в Университете Мемфиса под руководством Дипанкара Дасгупта.
• IBM Antivirus Research Ранняя работа в AIS для компьютерной безопасности.